L'intelligence artificielle (IA) et le machine learning (ML) sont peut-être à la mode en ce moment mais les entreprises tirent-elles vraiment les bénéfices de ces technologies ? Trois entreprises ont prouvé que l'IA et le ML améliorent les processus opérationnels internes et portent leurs fruits.

Améliorer les abonnements

La première d'entre elles, Beacon Street Services, avait besoin de disposer d'une source unique fiable pour toutes les données de l'entreprise, afin d'en garantir la cohérence et l'exactitude à travers ses différentes applications. Il s'agit de la branche services de Stansberry Holdings qui édite des publications financières exclusivement par le biais d'abonnements. Après avoir collecté et stocké d'énormes volumes de données à l'aide de Snowflake, le service d'entrepôt de données basé sur le cloud, Beacon Street Services souhaitait utiliser ces données pour améliorer les stratégies de vente d'abonnements.

« Nos équipes de marketing et commerciales ont vu une opportunité d'améliorer les processus de vente en appliquant une approche data science », explique David Kline, vice-président de l'ingénierie chez Beacon Street Services. « Avec cette approche, nous espérions mieux identifier les critères d'achat pour aider le marketing à mener des campagnes plus efficaces. » En prenant les données historiques des utilisateurs que l'entreprise avait dans sa base et en les chargeant dans une plateforme d'IA qu'elle a déployée auprès de DataRobot à partir de 2019, l'entreprise a pu construire une série de modèles rapidement et automatiquement, en utilisant des dizaines d'algorithmes. Grâce à ces modèles, elle a identifié des critères d'achat pour aider l'équipe marketing à mener des campagnes plus optimisées.

Des ventes en hausse de 10%

« L'entreprise continue désormais d'alimenter la plateforme d'IA avec de grandes quantités de données provenant de cette base », explique M. Kline. Grâce à ce nouveau processus, Beacon Street Services a vu ses ventes augmenter de 10 % et est en passe de réaliser 15 millions de dollars de ventes annuelles supplémentaires directement attribuables à la plateforme d'IA. Depuis sa mise en œuvre, l'entreprise a constaté un retour sur investissement de 30 à 35 fois supérieur en termes de gains de revenus et de diminution des coûts, indique le vice-président en charge de l’ingénierie. « Par exemple, pour un projet individuel, nous devions passer manuellement en revue les transactions précédentes pour déterminer le risque de rétro-facturation suite au renouvellement automatique de l'abonnement et créer un modèle d'évaluation des risques », explique M. Kline.

En plus de constater une meilleure précision et des campagnes marketing optimisées, la plateforme DataRobot a également permis un gain de temps considérable. Auparavant, il fallait jusqu'à six semaines pour développer un modèle, sans garantie que l'algorithme optimal soit sélectionné. Avec la plateforme d'IA, ce temps a été réduit à une semaine seulement. Autre avantage : l'équipe informatique de Beacon Street Services passe moins de temps à analyser les données et plus de temps à travailler sur des projets potentiellement utiles pour l'entreprise.

Classer les documents pour une meilleure sécurité

Company Nurse, de son côté, propose aux employeurs des examens de santé Covid-19, des rapports sur les accidents du travail et des services d'évaluation des priorités de traitement par des infirmières. L'entreprise américaine basée dans l'Arizona exploite l'IA sur plusieurs fronts. L'un de ses projets consiste à améliorer le processus de classification des documents. En 2020, Company Nurse a déployé la plateforme Semantic Intelligence, de Concentric, pour protéger les données privées d'indemnisation des travailleurs, pour le compte de ses clients et de leurs utilisateurs finaux. Dans le cadre des services qu'elle offre à ses clients, la société remplit des rapports d'incidents pour les accidents du travail, en fournissant des conseils sur les soins appropriés aux employés blessés et en gérant la mise en contact avec les spécialistes référents. Les informations contenues dans les rapports et les formulaires comprennent des quantités importantes de données non structurées, explique Henry Svendblad, directeur technique de la société.

En utilisant le système de Concentric alimenté par l'IA, Company Nurse peut protéger les informations privées contenues dans les documents sans que le personnel ait besoin de les parcourir manuellement. La plateforme automatise la sécurité des données non structurées en utilisant l'apprentissage profond pour catégoriser les données, en découvrir la criticité et réduire les risques. Peu de temps après avoir déployé la plateforme, « Company Nurse a pu identifier les doublons qu'elle n'avait pas besoin de conserver, et a trouvé des possibilités d'améliorer les autorisations d'accès », a déclaré M. Svendblad.

Des fuites de données évitées

L'entreprise a également découvert une grande quantité de rapports d'accidents qui avaient été laissés sur une application de partage ouverte en raison d'un partage excessif et de permissions d'accès laxistes. « Toute fuite de ces documents aurait été dévastatrice pour la société Nurse », déclare Henry Svendblad. « Nous avons fermé plusieurs petits « angles morts », où des fichiers ont été partagés de manière excessive, grâce à l'IA qui a classé automatiquement ces documents pour nous. La prévention d'une seule violation vaut des dizaines de milliers de dollars pour nous. »

Outre le processus de classification des documents, l’entreprise utilise également l'IA à des fins telles que l'évaluation des opportunités de vente, l'analyse des données, l'identification des menaces de sécurité de type « zero day » et la transcription de la parole en texte. Il est difficile d'estimer les investissements que l'entreprise a réalisés dans les technologies d'IA parce que ces outils sont intégrés aux différents logiciels utilisés, explique M. Svendblad. Mais les avantages sont nombreux : amélioration de la sécurité, meilleur équilibre entre vie professionnelle et vie privée pour les employés, et meilleure qualité de service dans le centre de contacts.

Un pas vers le forage pétrolier autonome

Les entreprises pétrolières et gazières subissent une pression croissante pour accroître l'efficacité de leurs opérations de forage. L'une d'entre elles, Devon Energy, fait ses premiers pas dans l'exploitation des capacités de l’IA et du ML pour une prise de décision en temps réel. Cela pourrait potentiellement conduire à un appareil de forage autonome sur chaque site de puits – qui contribuerait à stimuler les opérations globales, l'efficacité et la sécurité sur les sites. Devon Energy, qui a récemment fusionné avec WPX Energy (la société à l'origine de la poussée vers l'IA/ML à partir de 2020), utilise la solution Hivecell pour fournir une informatique périphérique sur ses sites de forage dans les champs pétrolifères de l'ouest du Texas et du Dakota du Nord. Fournie par la société du même nom, Hivecell est une offre « edge-as-service » qui permet le calcul et l'analyse à proximité de la source des données.

Les données sont générées par des capteurs présents dans les équipements fournis par une société de services que Devon Energy utilise pour les processus de fracturation hydraulique. Elles sont transférées des capteurs aux systèmes de la société de services, puis envoyées à Hivecell via le protocole TCP/IP. Devon Energy est dans la première phase de l'exploitation de Hivecell pour traiter l'apprentissage automatique sur les sites de puits distants. Cette capacité lui permettra d'éviter d'envoyer toutes les données dans le cloud pour le traitement, ce qui est coûteux et lent. Hivecell est utilisé conjointement avec la plateforme de gestion des flux d'événements de Confluent qui prend en charge les données brutes des sites de forage à partir d'Apache Kafka.

Les bases d'un processus décisionnel en temps réel

« Nous sommes toujours à la recherche de moyens d'améliorer l'efficacité de nos opérations de forage et nous cherchons à automatiser les tâches manuelles grâce au machine learning », déclare Dingzhou Cao, conseiller principal en data science chez Devon Energy. La première phase du projet consiste à recueillir des données en temps réel sur la fracturation hydraulique. Cette technique de stimulation des puits consiste à fracturer les formations rocheuses par un liquide sous pression, afin que le gaz naturel et le pétrole puissent s'écouler plus librement. « Généralement, les entreprises pétrolières et gazières s'appuient sur les services de cloud computing pour traiter et analyser les données provenant de sites distants en quasi-temps réel », explique M. Cao, mais cela présente l'inconvénient de l'instabilité des connexions internet et des problèmes de latence.

Devon Energy jette les bases d'un véritable processus décisionnel en temps réel, fondé sur l'analyse, et éventuellement d'un contrôle en boucle fermée des sites de forage. Cela permettra à terme à l'entreprise d'utiliser le traitement des flux basé sur la périphérie pour un contrôle en temps réel et en boucle fermée des opérations de forage. Bien que M. Cao n'ait pas fourni d'informations spécifiques sur les coûts, il affirme que la mise en œuvre est rentable par rapport à l'utilisation d'une option basée sur le cloud. Grâce à cette mise en œuvre, « nous mettons les données en temps réel entre les mains de ceux qui en ont le plus besoin, quand ils en ont le plus besoin », ajoute M. Cao. « Nos ingénieurs ont la possibilité d'accéder aux données en temps réel via leur téléphone portable ou leur ordinateur. Bien que nous en soyons encore à la première phase, le modèle d'analyse sera utilisé à mesure que nous avancerons dans les phases ultérieures pour faciliter la prise de décision sur le site du puits. » Devon Energy espère achever la première phase en 2021, puis passer à la deuxième phase, au cours de laquelle elle déterminera les modèles d'analyse en fonction des besoins commerciaux les plus cruciaux.